PyTorch代码在TensorFlow中的运行可能性

一、软件下载

1、pycharm下载以及anaconda下载，安装位置具体自己设定

2、安装时，路径可以根据需求，安装在除C盘以外的其他盘中，将红色方框内的选项全部打勾，如下：

二、环境安装

1、安装完成后，打开anaconda prompt

2、创建环境(本例中，环境名称为test，将test换为自己想要的名称即可)，同时指定python版本，比如python=3.9，弹出选项输入y并按下enter：

登录后复制

conda create --name test python=3.9

3、创建完成后，激活环境，输入以下指令即可：

登录后复制

activate test

4、安装tensorflow或者pytorch，tensorflow分为gpu版和cpu版本，以下依次是按照tensorflow的cpu版、gpu版以及torch1.10版本进行安装的指令：

登录后复制

pip install tensorflow==1.13.2 -i https://pypi.tuna.tsinghua.edu.cn/simple





登录后复制

pip install tensorflow-gpu==1.13.2 -i https://pypi.tuna.tsinghua.edu.cn/simple





登录后复制

pip --default-timeout=1688 install torch==1.10.1+cu111 torchvision==0.11.2+cu111 torchaudio==0.10.1 
-f https://download.pytorch.org/whl/torch_stable.html

tensorflow在安装时可以指定版本，2.0和1.0版本区别很大，但是安装方法一样，torch的安装官网点击此处 Previous PyTorch Versions | PyTorch，需要根据自己的电脑的配置选择相应的版本，在安装时，在pip后加入--default-timeout=1688，可以防止由于连接超时导致的下载失败，如下！正确的打开方式如上面第三个所示。

如果安装依然出现问题，可通过该网站 https://download.pytorch.org/whl/torch_stable.html

直接下载你想要的版本，然后激活环境，进行本地安装，例如，将whl替换为实际的文件路径即可：

5、添加源，由于很多库在外网上，下载速度往往较慢，添加国内的清华源或者科大源，下载速度会快很多，直接复制到anaconda prompt，并点击enter即可：

清华源

登录后复制

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

科大源：

登录后复制

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes

6、配置GPU环境：

cuda实现，可在此网站下载想要的cuda版本以及对应的cudnn版本。

需要注意的是，一定注意！！！cuda安装是默认安装路径，一般为

登录后复制

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA

安装结束后，右击我的电脑，打开属性，如下图所示，点击高级系统设置

环境变量：

系统环境路径：

环境路径下，如果没有，请点击新建进行添加：

将下载好的cudnn压缩文件进行解压，并将所有文件复制粘贴至以下文件夹下，最后的v11.1代表的是cuda的版本，下载版本不一样，显示不一样，不用在意，至此gpu环境变量配置完毕。

登录后复制

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1

三、配置编辑器

1、将之前创建好的python环境添加至编辑器，这里以pycharm为例，打开编辑器页面，点击右下角的默认python解释器

2、点击添加python解释器，然后点击1，切换到conda环境下，观察2的位置是否出现我们刚才创建的python解释器，如果没有出现，点击3，手动找到anconda的安装路径下的envs/test(test为之前设置的环境名称)，然后找到python.exe，点击确定，然后点击4，以后任何项目均可以使用该python解释器，再点击5确定

3、常用库的安装(可忽略)：

登录后复制

pip install keras
pip install numpy
pip install pillow
pip install pyyaml
pip install labelme
pip install scikit-image
pip install keras
pip install opencv-python
conda install -c conda-forge netcdf4

针对安装包超时问题，可在pip后加--default-timeout=1688解决：

登录后复制

pip --default-timeout=1688 install package-name

4、针对部分程序运行，可能会出现 以下情况(更可忽略)：

登录后复制

AttributeError: 'str' object has no attribute 'decode'

面对这种情况，我们需要h5py模块进行降级处理即可：

登录后复制

pip install h5py==2.10 -i https://pypi.tuna.tsinghua.edu.cn/simple/

至此，环境准备工作已经完成！

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删